Интеграция AI/ML в банковскую отрасль оказалась революционной.

Ранее мы рассмотрели разнообразие приложений ИИ в банковских и финансовых учреждениях, а также препятствия, с которыми банки столкнутся при внедрении искусственного интеллекта. А пока давайте углубимся в роль ИИ в обнаружении мошенничества и соблюдении требований для банков — тема, интересующая многих генеральных и ИТ-директоров!

Присоединяйтесь к нашему Всемирному вебинару по искусственному интеллекту — познакомьтесь с экспертами по искусственному интеллекту из мировых технологических гигантов!

Что такое мошенничество в банках?

Распространенным видом банковского мошенничества является захват учетной записи клиента. Это когда кто-то незаконно получает доступ к банковскому счету жертвы с помощью ботов. Другие примеры мошенничества в банковской сфере включают использование вредоносных приложений, использование фальшивых личных данных, отмывание денег, мошенничество с кредитными картами и мобильное мошенничество.

Мошенничество со страховкой включает мошенничество с перенаправлением страховых взносов, которое представляет собой растрату страховых взносов, или бесплатное взбалтывание, которое представляет собой чрезмерную торговлю биржевым маклером с целью максимизации комиссионных. Другие формы страхового мошенничества включают отвлечение активов, мошенничество с компенсациями работникам, мошенничество с автомобильными авариями, мошенничество с украденными или поврежденными автомобилями и мошенничество с пожаром дома. Мотивом всех страховых мошенничеств является финансовая прибыль.

Давайте разберем наиболее распространенные виды мошенничества с банковскими счетами в порядке частоты.

Захват банковского счета

Согласно вышеупомянутому Отчету о финансовых преступлениях, захват банковских счетов, или ATO, как известно, составляет 42% всех банковских мошенничеств. Это происходит, когда кто-то получает доступ к банковскому счету без авторизации.

Потребители могут называть ATO взломом учетной записи, но конечные результаты одинаковы: кто-то получает доступ к учетной записи и извлекает из нее личную информацию, переводит деньги на свой собственный счет или постепенно истощает его.

Поскольку банковские переводы необратимы, в отличие от карточных платежей, возместить ущерб, причиненный мошенниками ATO, крайне сложно.

Как и в случае со всеми видами атак ATO, ATO банковского счета происходит из-за:

  • Фишинг: мошенники создают массовые рассылки по электронной почте или SMS, которые перенаправляют пользователей на поддельную страницу входа в банк. Они вводят свои данные для входа, а мошенники их крадут. В качестве альтернативы они убеждают пользователей отправлять им свои учетные данные напрямую.
  • Социальная инженерия: Вечно популярный метод получения информации напрямую от пользователей или от банка. Служба поддержки клиентов все чаще становится мишенью мошенников, которые используют желание банков повысить удовлетворенность клиентов.
  • Купленные учетные данные: мошенники редко находят действительные данные банковского счета в даркнете (первоначальные воры используют их в первую очередь), но данные для входа все еще могут использоваться для различных гнусных целей.
  • Уязвимость кибербезопасности: Мошенничество и киберпреступность часто пересекаются, когда речь идет об ATO банковских счетов. Искушенные преступники будут искать неисправленные бреши в системе безопасности, такие как плохо развернутый межсайтовый скриптинг (XSS) или подделка запросов на стороне сервера (SSRF).
  • Вброс учетных данных: мошенники используют специальное программное обеспечение (боты) для автоматической проверки паролей и комбинаций для входа в систему до тех пор, пока они не смогут войти в учетную запись. Это часто выполняется с использованием списков паролей, найденных в даркнете, но это также можно попробовать наугад, с помощью так называемого грубого перебора.

Обратите внимание, что все вышеперечисленное можно комбинировать, чтобы повысить шансы на успех. Поскольку многие банки теперь добавляют проверки 2FA, мошенники также будут полагаться на взлом SIM-карты, чтобы получить контроль над чьим-то номером телефона и получать пароли через SMS.

Что такое обнаружение мошенничества?

Выявление мошенничества — это комплекс действий, предпринимаемых для предотвращения получения денег или имущества обманным путем.

Обнаружение мошенничества применяется во многих отраслях, таких как банковское дело или страхование. В банковской сфере мошенничество может включать подделку чеков или использование украденных кредитных карт. Другие формы мошенничества могут включать преувеличение убытков или причинение несчастного случая с единственной целью выплаты.

Обнаружение мошенничества осуществляется с помощью расчетов на основе правил, которые регулярно запутаны и, как правило, не очень трудно обойти. Эти стратегии рискуют упустить множество мошеннических действий или продолжить иметь непомерные меры фиктивных преимуществ, когда карты клиентов отклоняются из-за неправильно идентифицированных и сомнительных способов поведения. Обычные модели также совершенно неподатливы, что является проблемой в приложении, где мошенники постоянно отслеживают лучшие способы, чтобы скрыться от радара.

Как ИИ помогает в обнаружении мошенничества

При обнаружении мошенничества машинное обучение представляет собой набор алгоритмов искусственного интеллекта (ИИ), обученных с использованием исторических данных банков, чтобы предложить правила риска. Затем банк может внедрить правила для блокировки или разрешения определенных действий пользователя, таких как подозрительные входы в систему, кража личных данных или мошеннические транзакции.

При обучении механизма машинного обучения банки должны отмечать предыдущие случаи мошенничества и отсутствия мошенничества, чтобы избежать ложных срабатываний и повысить точность банковских правил управления рисками. Чем дольше работают алгоритмы, тем точнее будут предложения правил.

Методы обнаружения и предотвращения мошенничества с использованием ИИ

Методологии анализа данных о мошенничестве можно отнести либо к методам статистического анализа данных, либо к методам искусственного интеллекта.

К методам статистического анализа данных относятся:

  • Расчет статистических параметров, таких как средние значения, квантили и показатели производительности.
  • Регрессионный анализ — оценивает отношения между независимыми переменными и зависимой переменной.
  • Распределения вероятностей и модели
  • Сопоставление данных — используется для сравнения двух наборов собранных данных, удаления повторяющихся записей и выявления связей между наборами.
  • Анализ временных рядов

Методы ИИ включают в себя:

  • Интеллектуальный анализ данных — интеллектуальный анализ данных для обнаружения и предотвращения мошенничества классифицирует и сегментирует группы данных, в которых могут быть выполнены миллионы транзакций, чтобы найти закономерности и обнаружить мошенничество.
  • Нейронные сети — подозрительные шаблоны изучаются и используются для обнаружения дальнейших повторений.
  • Машинное обучение — аналитика мошенничества Машинное обучение автоматически определяет характеристики мошенничества
  • Распознавание шаблонов — обнаруживает шаблоны или кластеры подозрительного поведения.

Слушайте лучших экспертов по искусственному интеллекту и банковскому делу и подключайтесь к глобальной банковской сети

ИИ в банковской сфере — одна из тем, которая будет обсуждаться на нашем предстоящем Всемирном вебинаре по ИИ. Присоединившись к нам, у вас будет возможность не только консультироваться со спикерами мирового уровня в области искусственного интеллекта, но и общаться с другими генеральными и ИТ-директорами мировой банковской отрасли.

Присоединяйтесь к нам на: https://event.wow-ai.com/worldwideAI2022/

🔸 Детали события

Часовые пояса: с 9:00 до 18:00 по нью-йоркскому времени.

Дата: 29–30 сентября 2022 г.

Английский язык

Плата: Бесплатно и открыто для всех

Подпишитесь на нас в LinkedIn, Twitter, Facebook и YouTube, чтобы получать ежедневные отраслевые обновления!